キャンペーン終了まで

割引情報をチェック!

AI、ビッグデータの時代に学ぶべきこととその学び方

投稿日:2018/05/16更新日:2020/02/27

ビジネススクールで教えている 武器としてのITスキル』の座談会Part2をお送りします(Part1はこちらから)。今回は、特にビッグデータやAIに造詣の深いグロービス経営大学院の教員、鈴木健一(グロービスAI経営教育研究所=GAiMERi所長を兼務)と武井涼子(専門分野はマーケティング)に話を聞きました。

日本のマーケティングは15年遅れ

嶋田:データやAIを使った経営トレンドに関して、最近気になったニュースはありますか。

武井さん武井:象徴的なこととして、アメリカのセールスフォースという会社の動きがあります。最近、ついにアドビも抜いて世界最大のマーケティングサービスの会社になりました。彼らがちょうど1年前の春、「アインシュタイン」というAIを開発したのですが、それがたったの半年くらいで多くの大企業に導入されるようになった。昨年、同社のマーケティングのヘッドに話をうかがう機会があったのですが、どんな大企業のデータでも、1日あればすべて解析できるということです。

マーケティング関連のデータはもちろん、担当者の人事関連のデータもアインシュタインに入れると、何かしらのアウトプットが出てくるようになっている。それが非常に短期間に実用化されたというのは非常に象徴的だと思います。

嶋田:なるほど。

武井:日本企業でも、「データがあるのでどう使えばいいのか教えてほしい」という相談がよく来ます。データというものに対する関心の高さは間違いなく高まっています。ただ、日本の企業が遅れているのは否めません。たとえば私が知る限りでは米国の企業などは、昔からサービスデザインからR&D、セールスの最前線に至るまでマーケティング・リサーチの結果に基づいて判断する文化がすでにあり、そこにデータやAIが出てきたことで、新しい技術を用いてサポートをする体制が出来はじめている。元からデータは取ってでも使うのが当たり前だったところに、データが簡単に取れる環境が整ったことで、今はむしろ取れるデータの所属や匿名性の問題などに強い関心が集まっています。

ただし、どの企業でも悩みはあります。これだけ情報処理能力が上がったのに、取れるデータも飛躍的に増えてきたため使われるデータの比率はむしろ下がっている。必要なデータの取捨選択と、データごとの連携には苦しんでいるようですね。

嶋田:マーケティングに関して言うと、日本企業とアメリカ企業では何年くらいの差がある感じでしょうか?

武井:日本が15年遅れといったところでしょうか。10年ほど前に様々な企業がマーケティング・システム統合に大きな投資をした印象がありますが、日本ではまだそうしたシステムの導入がされていない企業も多いですね。そもそも、伝統的にマーケティング部門が弱く、マーケティング・リサーチに適切に投資をすることが少ないように思います。

その結果、実は専門職的要素の色濃いマーケティングのプロが育つ環境ではなかった。あまり調査をしないことから、マーケティングに勘と経験が使われることも多く、結果としてマーケティングデータに関する情報リテラシーが低いという問題もあります。アメリカで人材不足という場合、コンピューター・エンジニアリングの博士取得者クラスが足りないという話であることが多いのに対し、日本はそれ以前のマーケティング担当者のレベルでつまずいている。

鈴木:武井さんの専門であるマーケティングやウェブの分野などではかなりAIによるデータ活用が進んでいますが、一方で難しい分野もあります。たとえば自然言語処理なんかはコンピューターに意味を理解させるという点ではまだまだ困難があり、長い文章の意味を解釈するのは非常に難しいです。いずれにせよ、何をAIにさせるべきなのかをしっかり考えることが大事です。クリティカル・シンキングでいうところのイシューの設定が正しくできないと、結局何もできない。適切なデータの前処理なんかもできませんしね。データさえ集めれば何とかなるというのは危ない考え方だと思います。

敷居は下がっている

鈴木:最近の動きでいえば、データロボット(機械学習自動化プラットフォーム)などのツールがどんどんでてきたのは面白い動きですね。コードレス(自分でコードをかかずにプログラミングなどをすること)、かつクラウド上でいろいろな分析ができる。もう少しすればデータサイエンティストでなくても、ビジネスサイドの人間がいろいろな分析をして意思決定に活かせるようになるかもしれない。いまは「プログラミング勉強しなくちゃ」のようなことを言っているけど、コードレスの動きがもっと進めば、ハードルは一気に下がる可能性はあります。ビジネスサイドに人間が課題意識をしっかり持って考えることができれば、「じゃあどんなデータが必要なのか」ということも考えやすくなるでしょう。

嶋田さん嶋田:日本で注目されている企業はありますか。

武井:マーケティングへのデータ活用ということでよく例に上がるのはエアラインとか一部の銀行でしょうか。

鈴木:昔から腰を据えて組織的にデータ分析に取り組んできた企業、ということでは大阪ガスが有名ですね。河本薫さん(データサイエンティスト・オブ・ザ・イヤー初代受賞者)がずっとそれを率いていた。

武井:先日、あるアメリカのウェブベースのグローバルサービス企業のプロモーション・ヘッドの友人と話をしました。彼女の会社はまさにデータありきでプロモーションを行っているのですが、データのクレンジングに苦労しているとのことでした。データのことがよくわかっている企業ですらそういう状況であるように、データを適切に動かしていくには実務上の意外なハードルがたくさんあるのです。そこで感じるのは、どのレベルまで実務を理解してデータを使いたいと話しているのか、ということです。「できることとやれること、そのためにやらなくてはいけないこと」が分かっているレベル感が企業によって大きく違うという点ですね。よくわかっている会社もあれば、「データさえ取ればなんかできるんじゃないか?」というレベルの会社もある。

嶋田:悩んでいる部分のレベル差が大きいわけですね。

武井:マーケティングデータの活用法としてカスタマイズがあるわけですが、顧客は自分用にカスタマイズされたサービスにはより多くのお金を使うという調査もあります。アマゾンなどはそこがすごい。勘と経験では勝てないわけです。

ただ、鈴木さんが言うように、世の中はコードレスの方向に向かっている。最近はウェブを作るのも簡単にコード書かないでできるサービスも出てきていますから。ビジネスを分かっている人が、今回この本に書いたようなこと、たとえばデータの種類や扱い方などを理解できれば、技術の進化によって、別にプログラミングやコンピューターサイエンスの知識がなくてもそれを活用できる機会はどんどん広がると思います。

鈴木:AIを機械学習と捉えるなら、機械が得意なことをしっかり理解し、それを踏まえて仕事を与えると生産性があがる。まさにテクノベート・シンキングです。機械学習というものがどんなものなのかをまずは正しく知ることが必要です。インプットからアウトプットが出てくる流れは一見複雑ですが、意外とシンプルな事柄の積み上げですから。

バランスの良い知識・スキルの習得が遅れている

武井:今回はテクノロジーの話をしていますが、それ以前にマーケティングの全体像を知らないという人も多いですね。それではデータの扱いだけ知ったところで効果的な活用はできません。たとえば真にブランド戦略を理解している経営者などはまだ少ないのではないでしょうか。そこにいきなりAIを用いたプロモーションだけ持ちこもうとしても機能しません。

嶋田:当然ながら、経営学に対する全般的な知識の習得も必要ですね。

鈴木:その上で、AIは個別化のためのツールという理解も必要かと思います。全体像を見据えたうえで、自分のビジネスの中でどのように個別化して活用できるかという視点が必要です。

武井:今回この本にも書かれているとおり、たとえばアルゴリズム等がどのようなものなのかを知っているだけでも、自分のやりたいことがシステム部門に適切に針路を与えるものなのか否かを判断しやすくなると思います。

鍵になるのは「体感値」

鈴木:個人的には、やはり体感値が大事と思います。本などを読んで「わかっている」というレベルと、多少なりとも自分で手を動かして「できる」というレベルは全然違う。

嶋田:それを忙しいビジネスパーソンがやってみるとしたら、どのようにやってみるとよいですか?

武井:マーケティングであれば自分でマーケティング・リサーチをやってみて、そのデータを分析してみるといいと思います。無料のオンラインアンケートツールの「サーベイモンキー」でも一度使ってみるといい。ウェブサイトに「Google Analytics」を入れるのだって簡単です。その結果を見て分析するのもいいでしょう。

鈴木:素朴にAIに触ってみるというなら感情(センチメント)の分析などをしてみると体感値にはなるでしょう。何でもできるというわけではないですが、コードレスの時代ですから、たとえばマイクロソフトの「Azure」を使ってブロックダイアグラム的に機械学習を組んでみるなど、できることはいろいろあります。

たとえばAzureだとAPIを発行することもできるので、簡単なレコメンデーションなんかはできますね。グロービス経営大学院の研究プロジェクトでも、何も知らない学生にAzureを使ってリコメンデーションの仕組みを作ってもらうなんていう課題もありました。実際にそれを会社が使うかどうかは別としても、簡単な「お遊び」以上の体験をすることは難しくはありません。

現時点では、そうしたことを知っている人は少ないし、自分で手を動かした人はもっと少ない。だからこそ、一般のビジネスパーソンにとってはチャンスとも言えます。

武井:一度そうしたことをやってみると、理想と現実の差なども分かります。そうしたこともぜひ体感してほしいですね。

1人だけでは始めない

武井:特に業務に関わることは1人でやらないことが大事だと思います。たとえば今は個人情報の保護だけでもものすごい問題が起きる可能性がある。1人だけでは始めない、しかし小さくは始める。この感覚が大事です。小さな成功を積みながら、組織でできるという感覚を掴んでいくことが大切です。それが積み重なると、リアルな「データを使った経営」ができるようになる。その際、スポンサーとオーナーをつけることが大事です。組織のオーソライズはやはり必要ですね。

鈴木さん鈴木:改めて基本的な部分に着目すると、知識と体感値を臆せず身につけることがやはり大事と感じます。知は力なり、ですね。幸い、学ぶための膨大なリソースが最近はあります。ウェブ上にはいくらでも無料の解説や動画があります。それはぜひ活用したいですね。英語が得意ならさらにいいです。世界的権威が喋っている動画などもたくさんありますから。

また、先ほどの1人で始めないという話と絡めると、やはり仲間がいる方が学びやすくなります。最近はいろいろなコミュニティがあります。探すのも簡単です。どんどん参加して活用するといいと思います。仲間はたくさんいます。

そうして学びを深めていくと、AIやデータも意外と基本はシンプルということがわかってきます。そこで改めて、人間ならでは出せる価値に気付くこともできる。先ほども言った課題設定や枠組みの設定などもそうですね。その意味で、グロービスが重視しているクリティカル・シンキングなどは改めてしっかり身につける必要があると思います。

テクノベート時代の学び方を身につけよう

嶋田:とはいえ、まだAIやデータに対して食わず嫌いの人は多いです。

鈴木:食わず嫌いになる理由の1つは、AIについていうと、ニュースで取り上げられるのが「アルファ碁」や「グーグル翻訳」のように手品的にすごいものが多いからかもしれません。手品だって種明かしをされれば実は基本はシンプルなのに、見かけだけで驚いてしまう。

武井:確かにそうですね。もちろん訓練は必要かもしれませんが、基本がわかれば、あとは何とかできるはずなのに、勝手に距離感を置いてしまっている。

鈴木:AIも、原理は非常にシンプルという点は知ってほしいですね。

武井:やりたいことがある人ならば、AIを使ってこんなことができないかな、などと考えてみるのもいいかもしれません。最先端を追いかける必要などはないですから。

鈴木:問題は、そうした課題意識のない人でしょうか。

武井:ただ、この本の読者について言うと、本を手に取ったというだけで、すでに他者に一歩先んじている。その上で、身の回りを見まわしてみると、すでに機械学習が活用されている部分も多い。そこでいろいろ考えてみるといいでしょう。本で最低限の知識は学んだのだから次は行動に出てほしいですね。そして体感値を積み上げていくことが効果的だと思います。

今の時代、本やウェブを読んだり見ただけでは学んだということになりません。ぜひ手を動かし、インタラクティブに学ぶ姿勢を持ってほしいと思います。今日始めないと、明日始める人には負けてしまいます。その際、良い「師」がいるといいのですが、この本はそうした師の代替になると思います。何年か経つと古くなる部分もあるかもしれませんが、当面はこれを1つの指南書として、どんどん手を動かしてみてほしいですね。

嶋田:一刻も早くテクノベート時代の学び方を身につける必要があるわけですね。Part1でも結局は自分でやってみないとわからないという話が皆さんから出ました。自戒も含め、新しい学びのスタイルをぜひ身につけたいですね。本日はありがとうございました。

新着記事

新着動画コース

10分以内の動画コース

再生回数の多い動画コース

コメントの多い動画コース

オンライン学習サービス部門 20代〜30代ビジネスパーソン334名を対象とした調査の結果 4部門で高評価達成!

7日間の無料体験を試してみよう

無料会員登録

期間内に自動更新を停止いただければ、料金は一切かかりません。